模块五作业

微博评论业务场景计算性能估算

1. 非热点事件用户行为建模和性能估算

假设用户量为 2.5 亿，平均每天每人发 1 条微博（只考虑文字微博 ）则微博每天的发送量约为 2.5 亿条 。

假设每 1 条微博平均有 5 个人评论，则评论的发送量约为 12.5 亿条

大部分的人发微博集中在早上 8：00~9:00 点，中午 12：00~13：00，晚上 20：00~22：00，假设这几个时间段发微博总量占比为 60%，则这 4 个小时的平均发微博的 TPS 计算如下：

TPS = 12.5 亿 *0.6/(4*3600) = 50k/s

业务特性分析

微博评论是一个典型的写操作，因此不能用缓存，可以用负载均衡 。

架构分析 用户量过亿，应该要用多级负载均衡架构，覆盖 DNS -> F5 -> Nginx -> 网关的多级负载均衡。

架构设计

1.负载均衡算法选择

微博评论的时候依赖登录状态，登录状态一般都是保存在分布式缓存中的，因此评论微博的时候，将请求发送给任意服务器都可以，这里选择“轮询”或者“随机”算法。

2. 业务服务器数量估算微博评论涉及几个关键的处理：内容审核（依赖审核系统）、数据写入存储（依赖存储系统）、数据写入缓存（依赖缓存系统），因此按照一个服务每秒处理 500 来估算，完成 50K/s 的 TPS，需要 100 台服务器，加上一定的预留量（20%），120 台服务器差不多了。

3. 服务拆分考量

微博评论不是一个复杂的操作，不需要拆分服务

评论微博的多级负载均衡架构

2. 热点事件用户行为建模和性能估算

热点事件用户行为建模和性能估算

热点事件指某个大 V 或者明星爆料或者官宣，虽然只有一两条微博，但引起大量用户在短时间内评论，给系统造成很大压力微博评论

很难预估，和事件的影响力和影响范围有关

业务特性分析

大部分的微博评论的重要性和影响力不如原微博

架构分析

微博评论的重要性和影响力不如原微博，可以考虑对其限流，由于评论能带来用户更好的体验，因此尽量少丢弃请求，考虑用比较大长度的消息队列来实现“漏桶算法”

热点事件计算高可用架构示意图